使用傅里叶神经算子对不可规则域中可压缩流动进行高效时序预测

本文探讨了使用傅里叶神经算子 (FNO) 对不可规则流场中高速可压缩流体的时序演化进行建模。我们将不可规则流场点集重构为序列格式，以适配 FNO 输入要求；随后在循环神经网络 (RNN) 中嵌入时序捆绑技术以实现多步预测。我们进一步采用复合损失函数以平衡不同物理量之间的误差。实验在三种不同类型的不可规则流场上进行，包括正交和非正交网格配置。随后我们全面分析物理分量损失曲线、流场可视化以及物理剖面。结果表明，我们的方法在计算效率上显著优于传统数值方法，同时实现了高精度，$p$、$T$、$\mathbf{u}$ 三个物理量的最大相对 $L_2$ 误差分别为 (0.78, 0.57, 0.35)%。这验证了该方法能够高效且准确地模拟不可规则域中高速可压缩流动的时序演化。